SlideShare una empresa de Scribd logo
1 de 40
Construyendoexplicaciones:
El uso de modelos en las
ciencias sociales
       Mauricio Salgado
       © PhD
       Grupo de Sociología Analítica y Diseño Institucional
       (GSADI) –UniversitatAutònoma de Barcelona

       Centre for Research in Social Simulation (CRESS) –
       University of Surrey

       m.salgado@surrey.ac.uk


    Temuco – Marzo 2012
Resumen
•       ¿Por qué modelar?
•       Modelos y Modelamiento
    –     Mecanismos sociales
•       Ejemplos
    –     Habla indirecta
    –     Redes románticas
    –     Efectividad escolar
•       Conclusiones


                                2
¿Por qué modelar?
1. Reducir la complejidad del mundo
    •   Simplificación
2. Iluminar los procesos y dinámicas principales
    •   Mecanismos causales – Explicaciones
3. Expresar principios y supuestos teóricos
    •   Formalización
4. Probar supuestos
    •   Experimentación e inferencia
5. Orientar la recolección de datos
    •   ¿Qué información buscar?
6. Hacer pronósticos de escenarios posibles        Francis Crick and James Watson, 1953

    •   Predecir


                                              3
Modelos y Modelamiento

                     Los análisis estadísticos son importantes
                     para calibrar modelos y probar (mediante
                     experimentación) cuán plausibles son
                     nuestras explicaciones

                     Pero debemos recordar que un análisis
                     estadístico no es la explicación en sí
                     misma

                     Correlación no es causalidad




                 4
Modelos y Modelamiento

Mecanismos sociales: Abriendo la caja negra


“Mechanisms consist of entities (with their properties)
and the activities that these entities engage in, either by
themselves or in concert with other entities. These
activities bring about change, and the type of change
brought about depends on the properties of the entities
and how the entities are organized spatially and
temporally”

                         Hedström, P. Dissecting the Social (2005)




                                                   5
Modelos y Modelamiento
                                   2) Modelamiento – Experimentación – Verificación

         1) Especificación - Formalización                                            3) Calibración – Validación

                                                    Ecuaciones
                                                   (Matemáticas)

                                                                                                            Proceso
  Teoría                                                                           Análisis
                          Lógica                                                                             Social
  Social                                                                          Estadístico
                                                                                                          (TheTarget)
                                                    Simulación
                                                  computacional

Preguntas de
Investigación


                                                                      Demostración – Suficiencia Generativa
Ejemplo 1: Habla Indirecta
Habla Indirecta




     “Indirect speech is the phenomenon in which a speaker
    says something he doesn’t literally mean, knowing that the
              hearer will interpret it as he intended”

                                 Pinker, S., Intercultural Pragmatics, 2007
                                  8
Insinuaciones sexuales
                           ¿Te gustaría
                         subir conmigo y
                             ver mis
                            grabados?




                    9
Solicitudes de dinero
                        Confiamos en que el Señor
                         iluminará sus corazones y
                        su generosidad para apoyar
                             nuestro proyecto




                  ✝




                  10
Amenazas

                    ¡Hay que erradicar el cáncer
                     marxista de raíz y hasta las
                      últimas consecuencias!
           11 – IX – 1973




               11
Sobornos implícitos
                      ¿Hay alguna forma
                       de arreglar esto
                        aquí mi cabo?




                 12
Habla Indirecta

• Insinuaciones sexuales        El habla indirecta parece ser ineficiente,
                                ambiguo y aparentemente innecesario
                                (sólo alguien muy ingenuo podría no
• Solicitudes de dinero         comprender lo que el hablante
                                “realmente” quiere decir).
• Amenazas
                                Sin embargo, las insinuaciones y otras
• Sobornos implícitos           formas de habla indirecta parecen ser
                                casi universales.




                           13
Habla Indirecta
Problema de Identificación
                         • Error tipo I (Falso Positivo):
                         Asume es deshonesto ⇒ Cárcel

                         • Error tipo II (Falso Negativo):
                            Asume es honesto ⇒ Pagar multa
      ¿Será un policía
         honesto?




                             14
Teoría de Juegos

Matriz de payoffs (Infractor)        Negación futura plausible

                          Policía
                                        Policía honesto
                        deshonesto
         No Intenta
                          Multa             Multa
         Sobornar
          Soborna
                         Soborno           Arresto
        Abiertamente
          Soborna
                         Soborno            Multa
       Implícitamente


        Condición = Soborno < Multa < Arresto
                            15
Teoría de Juegos
Matriz de payoffs                   Soborno implícito 
(Policía honesto)                   Negación futura plausible

                        Infractor
                                        Infractor honesto
                       deshonesto

         No arresta       Multa               Multa


          Arresta     Arresto exitoso      Falso arresto


                                  • Error tipo I (Falso Positivo):
                                  Encarcelar a un inocente

                             16
Habla Indirecta
Costo esperado del infractor por ofrecer un soborno a un policías
honestos y corruptos

   Costo
                                                              Función de Decisión
                                                              Policía Honesto (Lh)
                                                                                             Arresto
   Multa




                                     Menor Costo para el
                                         infractor            Función de Decisión
                                                              Policía Deshonesto (Lh)
                                                                                             Soborno
                   Umbral Policía            Umbral Policía
                   Corrupto (dc)             honesto (dh)


           Sutil                                                                 Explícito
                               Franqueza de la Proposición (d)
                                               17
Ejemplo 2: RedesRománticas
Redes Románticas
¿Podemos explicar el comportamiento de un sistema social complejo
aludiendo a las reglas locales de interacción individual?




                                 19
Redes Románticas



How do local preferences
governing partner choice shape
the macrostructures in which
individuals are embedded?



                                      Bearman, Moody, Stovel. AJS (2004)




                                 20
Redes Románticas
  Estructura de redes en cuatro modelos de infección




Bearman, Moody, Stovel. AJS (2004)   21
Redes Románticas




                   22   Bearman, Moody, Stovel. AJS (2004)
Redes Románticas
                               
                               ?
   Bob                              Alice




           Carol                            Ted


    Relación actual (Time 2)
    Relación previa (Time 1)

                               23
Redes Románticas




                   24
Redes Románticas




                   25
Redes Románticas


¿Consecuencias de política
pública?


 El caso de Uganda y sus
 indicadores de VIH




                             26
Ejemplo 3: Escuelasefectivas
Investigación de
escuelas efectivas
Modelos de regresión multinivel

Podemos medir si un profesor o una escuela están “agregando
valor” al proceso educativo.

El objetivo es aislar estadísticamente la contribución de las
escuelas o los profesores de otros factores externos a la escuela.




                                  28
Investigación de
escuelas efectivas
Modelos de regresión multinivel




                          29
Escuelas efectivas

¿Qué tipo de interacciones en la
sala de clases pueden explicar las
diferencias observadas en la
efectividad entre las escuelas?


London Educational Authority’s
Junior Project. (1989)



                                      Salgado, Marchione, Gilbert. SMR (2012 – submitted)
                                 30
Escuelas efectivas
Mecanismos especificados (ABM)


1. Efecto Pares

Los pares, tal como la familia del estudiante, son fuentes de
motivación, aspiración e interacción en el aprendizaje escolar.

El efecto en el logro de los estudiantes de las características de
sus pares.



                                  31
MecanismosSociales
“Peer effects Homophily”



      ?
Escuelas efectivas
Mecanismos especificados (ABM)


2. Profecías autocumplidas

Teorema de Thomas: “Si los hombres definen las situaciones
como reales, estas son reales en sus consecuencias” (1928)

Expectativas de los profesores sobre el rendimiento futuro de los
estudiantes, aunque inadecuadas, tienden a transformarse en
reales.

                                33
MecanismosSociales
“False-positive teacher expectations”
                ✗     ✗      ✗                 ✓      ✓       ✓




            “Lentos para aprender”        “Rápidos para aprender”




                                     34
Escuelas efectivas
ABM: Resultados




                     35
Escuelas efectivas
ABM: Resultados




                     36
Conclusiones
Conclusiones
•   Los modelos son fundamentales para la
    investigación social, pero…
•   ¡No al imperialismo de los modelos!

                  Muy a menudo la sociología matemática es discutida
                  como un fin en sí misma o para sí misma, antes que en
                  el contexto de los problemas con los que la sociología
                  ha estado típicamente relacionada. La matemática es
                  una herramienta, y si ésta es usada como una
                  herramienta útil por la sociología debe serlo en
                  completo reconocimiento del estado en el que la
                  sociología se encuentra a sí misma hoy día.

                                                   James Coleman, 1964

                             38
¡Muchas gracias!




        39
Construyendoexplicaciones:
El uso de modelos en las
ciencias sociales
       Mauricio Salgado
       © PhD
       Grupo de Sociología Analítica y Diseño Institucional
       (GSADI) –UniversitatAutònoma de Barcelona

       Centre for Research in Social Simulation (CRESS) –
       University of Surrey

       m.salgado@surrey.ac.uk


    Temuco – Marzo 2012

Más contenido relacionado

Último

Criterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficiosCriterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficios
JonathanCovena1
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
El Fortí
 
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
zulyvero07
 
Cuaderno de trabajo Matemática 3 tercer grado.pdf
Cuaderno de trabajo Matemática 3 tercer grado.pdfCuaderno de trabajo Matemática 3 tercer grado.pdf
Cuaderno de trabajo Matemática 3 tercer grado.pdf
NancyLoaa
 

Último (20)

AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA II
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA IIAFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA II
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA II
 
Sesión de aprendizaje Planifica Textos argumentativo.docx
Sesión de aprendizaje Planifica Textos argumentativo.docxSesión de aprendizaje Planifica Textos argumentativo.docx
Sesión de aprendizaje Planifica Textos argumentativo.docx
 
Criterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficiosCriterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficios
 
Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdf
Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdfEjercicios de PROBLEMAS PAEV 6 GRADO 2024.pdf
Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdf
 
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
 
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxSEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
 
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdfTema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
 
origen y desarrollo del ensayo literario
origen y desarrollo del ensayo literarioorigen y desarrollo del ensayo literario
origen y desarrollo del ensayo literario
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
 
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
 
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSOCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
 
Fe contra todo pronóstico. La fe es confianza.
Fe contra todo pronóstico. La fe es confianza.Fe contra todo pronóstico. La fe es confianza.
Fe contra todo pronóstico. La fe es confianza.
 
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
 
La triple Naturaleza del Hombre estudio.
La triple Naturaleza del Hombre estudio.La triple Naturaleza del Hombre estudio.
La triple Naturaleza del Hombre estudio.
 
INSTRUCCION PREPARATORIA DE TIRO .pptx
INSTRUCCION PREPARATORIA DE TIRO   .pptxINSTRUCCION PREPARATORIA DE TIRO   .pptx
INSTRUCCION PREPARATORIA DE TIRO .pptx
 
PIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonablesPIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonables
 
actividades comprensión lectora para 3° grado
actividades comprensión lectora para 3° gradoactividades comprensión lectora para 3° grado
actividades comprensión lectora para 3° grado
 
Cuaderno de trabajo Matemática 3 tercer grado.pdf
Cuaderno de trabajo Matemática 3 tercer grado.pdfCuaderno de trabajo Matemática 3 tercer grado.pdf
Cuaderno de trabajo Matemática 3 tercer grado.pdf
 
Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativa
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
 

Destacado

How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
ThinkNow
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
Kurio // The Social Media Age(ncy)
 

Destacado (20)

2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot
 
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTEverything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPT
 
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsProduct Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage Engineerings
 
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
 
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfAI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
 
Skeleton Culture Code
Skeleton Culture CodeSkeleton Culture Code
Skeleton Culture Code
 
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
 
How to have difficult conversations
How to have difficult conversations How to have difficult conversations
How to have difficult conversations
 
Introduction to Data Science
Introduction to Data ScienceIntroduction to Data Science
Introduction to Data Science
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best Practices
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project management
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
 

Building explanations

  • 1. Construyendoexplicaciones: El uso de modelos en las ciencias sociales Mauricio Salgado © PhD Grupo de Sociología Analítica y Diseño Institucional (GSADI) –UniversitatAutònoma de Barcelona Centre for Research in Social Simulation (CRESS) – University of Surrey m.salgado@surrey.ac.uk Temuco – Marzo 2012
  • 2. Resumen • ¿Por qué modelar? • Modelos y Modelamiento – Mecanismos sociales • Ejemplos – Habla indirecta – Redes románticas – Efectividad escolar • Conclusiones 2
  • 3. ¿Por qué modelar? 1. Reducir la complejidad del mundo • Simplificación 2. Iluminar los procesos y dinámicas principales • Mecanismos causales – Explicaciones 3. Expresar principios y supuestos teóricos • Formalización 4. Probar supuestos • Experimentación e inferencia 5. Orientar la recolección de datos • ¿Qué información buscar? 6. Hacer pronósticos de escenarios posibles Francis Crick and James Watson, 1953 • Predecir 3
  • 4. Modelos y Modelamiento Los análisis estadísticos son importantes para calibrar modelos y probar (mediante experimentación) cuán plausibles son nuestras explicaciones Pero debemos recordar que un análisis estadístico no es la explicación en sí misma Correlación no es causalidad 4
  • 5. Modelos y Modelamiento Mecanismos sociales: Abriendo la caja negra “Mechanisms consist of entities (with their properties) and the activities that these entities engage in, either by themselves or in concert with other entities. These activities bring about change, and the type of change brought about depends on the properties of the entities and how the entities are organized spatially and temporally” Hedström, P. Dissecting the Social (2005) 5
  • 6. Modelos y Modelamiento 2) Modelamiento – Experimentación – Verificación 1) Especificación - Formalización 3) Calibración – Validación Ecuaciones (Matemáticas) Proceso Teoría Análisis Lógica Social Social Estadístico (TheTarget) Simulación computacional Preguntas de Investigación Demostración – Suficiencia Generativa
  • 7. Ejemplo 1: Habla Indirecta
  • 8. Habla Indirecta “Indirect speech is the phenomenon in which a speaker says something he doesn’t literally mean, knowing that the hearer will interpret it as he intended” Pinker, S., Intercultural Pragmatics, 2007 8
  • 9. Insinuaciones sexuales ¿Te gustaría subir conmigo y ver mis grabados? 9
  • 10. Solicitudes de dinero Confiamos en que el Señor iluminará sus corazones y su generosidad para apoyar nuestro proyecto ✝ 10
  • 11. Amenazas ¡Hay que erradicar el cáncer marxista de raíz y hasta las últimas consecuencias! 11 – IX – 1973 11
  • 12. Sobornos implícitos ¿Hay alguna forma de arreglar esto aquí mi cabo? 12
  • 13. Habla Indirecta • Insinuaciones sexuales El habla indirecta parece ser ineficiente, ambiguo y aparentemente innecesario (sólo alguien muy ingenuo podría no • Solicitudes de dinero comprender lo que el hablante “realmente” quiere decir). • Amenazas Sin embargo, las insinuaciones y otras • Sobornos implícitos formas de habla indirecta parecen ser casi universales. 13
  • 14. Habla Indirecta Problema de Identificación • Error tipo I (Falso Positivo): Asume es deshonesto ⇒ Cárcel • Error tipo II (Falso Negativo): Asume es honesto ⇒ Pagar multa ¿Será un policía honesto? 14
  • 15. Teoría de Juegos Matriz de payoffs (Infractor) Negación futura plausible Policía Policía honesto deshonesto No Intenta Multa Multa Sobornar Soborna Soborno Arresto Abiertamente Soborna Soborno Multa Implícitamente Condición = Soborno < Multa < Arresto 15
  • 16. Teoría de Juegos Matriz de payoffs Soborno implícito  (Policía honesto) Negación futura plausible Infractor Infractor honesto deshonesto No arresta Multa Multa Arresta Arresto exitoso Falso arresto • Error tipo I (Falso Positivo): Encarcelar a un inocente 16
  • 17. Habla Indirecta Costo esperado del infractor por ofrecer un soborno a un policías honestos y corruptos Costo Función de Decisión Policía Honesto (Lh) Arresto Multa Menor Costo para el infractor Función de Decisión Policía Deshonesto (Lh) Soborno Umbral Policía Umbral Policía Corrupto (dc) honesto (dh) Sutil Explícito Franqueza de la Proposición (d) 17
  • 19. Redes Románticas ¿Podemos explicar el comportamiento de un sistema social complejo aludiendo a las reglas locales de interacción individual? 19
  • 20. Redes Románticas How do local preferences governing partner choice shape the macrostructures in which individuals are embedded? Bearman, Moody, Stovel. AJS (2004) 20
  • 21. Redes Románticas Estructura de redes en cuatro modelos de infección Bearman, Moody, Stovel. AJS (2004) 21
  • 22. Redes Románticas 22 Bearman, Moody, Stovel. AJS (2004)
  • 23. Redes Románticas  ? Bob Alice Carol Ted Relación actual (Time 2) Relación previa (Time 1) 23
  • 26. Redes Románticas ¿Consecuencias de política pública? El caso de Uganda y sus indicadores de VIH 26
  • 28. Investigación de escuelas efectivas Modelos de regresión multinivel Podemos medir si un profesor o una escuela están “agregando valor” al proceso educativo. El objetivo es aislar estadísticamente la contribución de las escuelas o los profesores de otros factores externos a la escuela. 28
  • 29. Investigación de escuelas efectivas Modelos de regresión multinivel 29
  • 30. Escuelas efectivas ¿Qué tipo de interacciones en la sala de clases pueden explicar las diferencias observadas en la efectividad entre las escuelas? London Educational Authority’s Junior Project. (1989) Salgado, Marchione, Gilbert. SMR (2012 – submitted) 30
  • 31. Escuelas efectivas Mecanismos especificados (ABM) 1. Efecto Pares Los pares, tal como la familia del estudiante, son fuentes de motivación, aspiración e interacción en el aprendizaje escolar. El efecto en el logro de los estudiantes de las características de sus pares. 31
  • 33. Escuelas efectivas Mecanismos especificados (ABM) 2. Profecías autocumplidas Teorema de Thomas: “Si los hombres definen las situaciones como reales, estas son reales en sus consecuencias” (1928) Expectativas de los profesores sobre el rendimiento futuro de los estudiantes, aunque inadecuadas, tienden a transformarse en reales. 33
  • 34. MecanismosSociales “False-positive teacher expectations” ✗ ✗ ✗ ✓ ✓ ✓ “Lentos para aprender” “Rápidos para aprender” 34
  • 38. Conclusiones • Los modelos son fundamentales para la investigación social, pero… • ¡No al imperialismo de los modelos! Muy a menudo la sociología matemática es discutida como un fin en sí misma o para sí misma, antes que en el contexto de los problemas con los que la sociología ha estado típicamente relacionada. La matemática es una herramienta, y si ésta es usada como una herramienta útil por la sociología debe serlo en completo reconocimiento del estado en el que la sociología se encuentra a sí misma hoy día. James Coleman, 1964 38
  • 40. Construyendoexplicaciones: El uso de modelos en las ciencias sociales Mauricio Salgado © PhD Grupo de Sociología Analítica y Diseño Institucional (GSADI) –UniversitatAutònoma de Barcelona Centre for Research in Social Simulation (CRESS) – University of Surrey m.salgado@surrey.ac.uk Temuco – Marzo 2012

Notas del editor

  1. Errortipo I (FalsoPositivo – Rechazarhipótesisnulacuandoesverdadera): El aguaestáfrescaBeberaguacontaminadaError tipo II (FalsoNegativo – No rechaza la hipótesisnulacuandoestaesfalsa): El aguaestácontaminada No bebeaguafresca
  2. Minimaxes un método de decisiónparaminimizar la pérdidamáximaesperada en juegos con adversarioy con información perfecta. El funcionamiento de Minimaxpuederesumirsecomoelegir el mejormovimientoparatimismosuponiendoquetucontrincanteescogerá el peorparati.Un policíacorruptoaceptará el sobornocuandoésteespresentado de maneraimplícita. Pero, ¿quéocurre con un policíahonesto?
  3. Para arrestar a un conductor deshonestoporintento de soborno, el policíahonestotendríaqueestarseguro del intento de soborno. Por lo tanto, el conductor tendríaquehacerexplícitosuintento de sobornomásallá de todadudarazonable. Es fácilrepresentarestasituacióngráficamente.